Главная Обзор Помощь
Вход
iapt-platform
/
mint
зеркало из https://github.com/iapt-platform/mint.git
2
0
Ответвить 0
Файлы Задачи 0 Вики
Ветка: development
Ветки Метки
mint
/
api-v13
/
documents
/
related-paragraphs-redesign.md

related-paragraphs-redesign.md 51 KB
Постоянная ссылка История Исходник

related_paragraphs 段落关联体系 修复设计文档

状态：第一批已实施（2026-09-09，导出器 + 检测器落地于 api-v13/scripts/related/， 第一版数据在影子表 related_paragraphs_v1，生产表未动）；章回绕与 LLM 补齐两批待做。 背景：2025-08 数据审计发现 related_paragraphs 存在多类系统性数据错误。 原始生成链路是 VRI html 锚点 → cs6_para.csv → Laravel 导入；决定以 wbw_templates 为生成源重新导出第一版数据，再用补丁文件修正历史问题。

实施复核勘误见 §9——其中 §6.1 关于 csv 已丢失的判断、§4.3 E8 的判据、 §6.2 关于义注 {mula}_{cs} 标记的语义三处与实测不符，正文已就地改正。

1. 功能描述

通过一本巴利圣典书的段落号 <book>-<para> 查找与之存在注释关系的段落号。

注释关系（巴利三藏传统结构）：

mūla（原文） ← aṭṭhakathā（义注） ← ṭīkā（复注）
部分典籍为四层：mūla ← aṭṭhakathā ← mūlaṭīkā ← anuṭīkā（如 abhidhamma）

核心机制：相同 book_name + cs_para 的段落互为注释关系。

  • book_name：SuttaCentral 风格的书名缩写（dn1、an5、kn14...）
  • cs_para：该书内的段落编号。颗粒度比 VRI 段落（paragraph）粗： 一对一（一段对一个 cs）或一对多（多个 VRI 段落同属一个 cs，且构成连续区间）
  • 实测镜像判据：义注/复注段的标记即被注书的段落号——镜像型书对两侧同名章的 max(cs_para) 相等（dn1 559=559、kn6 1289=1289、kn9 524=524、abhi5 918=918）
  • 义注/复注文件的段落标记直接挂在被注书的 book_name 下（如义注文件的 para4_dn1 表示"此段注释 dn1 的第 4 段"），由此实现跨文件对齐
  • 义注开头的序言部分（Ganthārambhakathā）使用 {book}_A 命名（如 dn1_A），cs=0， 属正常设计而非错误——_A 书不对应具体原文段落

2. 相关表及关联关系

wbw_templates                （数据源头，逐词表）
  book, paragraph, wid       含 .ctl. 控制标记（原 VRI html 的 <a name="..."> 锚点）
  │   标记格式：
  │   mūla 文件:    para4 / para4_dn1（4(style=paranum) 裸数字型实测已为 0 行，
  │                 按历史形态保留备注，导出器以实测词表为准）
  │   区间标记:      para151-152 / para151-152_sn4  （1 个 vri 段 ↔ 多个 cs，展开多行）
  │   缩写区间:      para292-3  = 292-293（M 补齐 N 的前缀）
  │   章节标记:      dn1_0 / dn1_1 / kn10_2 / an5_1_1（{book}_{章号}，可多级）
  │                 实测：mūla 与义注文件里形态相同，都是章界而非 cs 值；
  │                 唯 _0 特殊，表示义注序言（→ {book}_A）。见 §9 勘误 3
  │   书界标记:      dn1 / an3（纯书名，文件内的书切换点，93 行）
  ▼  （旧链路经 cs6_para.csv ——仍存于 clove 仓库，含全部历史错误，只作基线不作源）
related_paragraphs           （本表，631,838 行）
  book, para                 VRI 文件号 1-217 + 段落号
  book_id ──────────────────▶ book_titles.sn
  cs_para, book_name         匹配键（本表核心索引 (book_name, cs_para)）
  ▼
book_titles (sn)             （book_id 的语义来源）
  book, paragraph, sn        一个 level=1（书）= 一个 sn，(book,paragraph) 唯一
  ▼                          （paragraph 即该书在 pali_texts 中的 level=1 段落）
pali_texts                   （全文）
  book, paragraph, level     标题层级树（章界推导的依据）
  uid ──────────────────────▶ tag_maps.anchor_id (table_name='pali_texts') ▶ tags
                              tag.name: pāḷi+mūla=原文 / aṭṭhakathā=义注 /
                              ṭīkā、mūlaṭīkā、anuṭīkā、abhinavaṭīkā、purāṇaṭīkā=复注

要点：

  • related_paragraphs.book 是 VRI 版文件编号；一个文件可含多本书（多个 level=1）， 因此增加 book_id，一个 book_id 对应一个 level=1，即 book_titles.sn
  • book_id 仅用于输出书名，不参与注释关系匹配（匹配只用 book_name+cs_para）
  • 义注分册边界与 mūla 分册不对齐时，同一 book_id 内出现多个 book_name（如义注 manorathapūraṇī 第二册 book_id=110 内同时有 an2、an3）是正常内容分布

3. 当前查询逻辑

RelatedParagraphController::index（输入 book+para）：

  1. related_paragraphs WHERE book=? AND para=? AND cs_para>0 取首行得到 (book_name, cs_para) 锚点；无锚点返回空集（注释体系书内约 2.6%， 11,078/419,300 段；全库口径 6.6%，属正常）
  2. WHERE book_name=? AND cs_para=? 全表取所有命中段落
  3. 按 book_id 分组输出：每本书一条记录（book、book_id、cs6_para、para 列表）

其他消费方：ParaInfoController（段落信息附带 CS6 锚点）、 UpgradeSystemCommentary（按 book_name|cs_para 为单元遍历生成 AI 注释）。

4. 问题描述

4.1 用户最初描述

  • 正常情况：一个 book_id 内只有一个 book_name 且 cs_para 单调递增（如 book=93）。 现发现部分书不是：一个 book_id 内出现重复的 cs_para
  • related_paragraphs 数据当年从 wbw_templates（进而来自 VRI html 锚点）导入， 具体过程已不可考，但 cs6_para.csv 本身仍在（见 §9），可用作逐段落比对基线

4.2 审计确认的正确性判据（修正后的业务模型）

  • 同一 (book, book_name, cs_para) 的段落必须构成连续区间
  • cs 小幅回退（如 25→23）是义注"回指补充"体例（para1012-3 型标记）， 属合法结构，多区间命中是设计内行为（含跨文件多命中）
  • 真正的错误是：cs 乱码值、章回绕导致的跨章重复、书边界污染平铺、标记丢失
  • 注释链条语义对齐的实测判据：镜像型书对两侧同名章的 max(cs_para) 相等 （dn1 559=559、kn6 1289=1289、kn9 524=524、abhi5 918=918）；两侧不等的书对 （abhi3/4/6/7 系）即跨侧错位，需走 §6.2 的补丁后缀路径，不能只靠各自加后缀

4.3 审计发现的问题清单

编号 问题 规模 根因
E1 cs 乱码值（7,703~462,580；正常值域实测至 3,183） 1,242 行 / 24 本 旧 csv 生成器解析无后缀区间标记 para7-10 产生废值（如 44022，book 98 para 573-585 实测 13 行全为 44022，wbw 标记正是 para7-10）
E2 章回绕：cs 从 1 重新计数 回绕点 430 个 / 70 本 VRI 标记为章内局部编号，章界处重置，旧生成器照搬，未加区分。回绕点到最近真实标题（toc 非空）实测：±1 段内 86%、±5 段内 96.5%、±30 段内零失配。mūla 侧与义注侧回绕数不对齐（如 abhi7：mūla 64 次 = books 69-72 的 16+9+20+19，复注侧 books 174/176 各 12/13 次），跨章同名 cs 无法区分，注释串段
E3 kn10 家族命名错乱，apadāna 注释链断裂 book_name='kn10' 0 行 therā/therī（book 143/144）被赋 kn10_A/kn10_B 且归属互相矛盾；义注（book 107）cs 为乱码；wbw 中 paraN_kn10 标记 6,533 行（book 143 4,461 / book 144 2,072）在 related 中映射丢失（kn10 行数为 0）
E4 空 book_name 112,965 行（17.9%）/ 60 本（60 个连续段，69 个 book_id） book 2-68 等 nīti/语法/词典类书无 cs 标记体系，不参与注释关系，维持现状
E5 book_id=0 未赋值 354 行（201 本各 1-3 行）；book 189 审计时整本 1,572 行为 0，现已回填（1,570 行 book_id=230，仅书前页 2 行为 0） 各文件 para 1-2 书前页（可接受）。sn=280/281 仍无 book_id 行：book 139 para≥925 整段归入 sn 157、book 214 para≥2162 整段归入 sn 276，随 book_id 层重跑修复。另 book_titles sn=230 title 误写 sādhuvilāsinī（与 sn=229 重名，实际应为 sīlakkhandhavaggaabhinavaṭīkā，已由 pali_texts level-1 标题证实）
E6 覆盖缺口 3,466 段无行 主体为缩写区间丢失（见 E7），其余为 wbw_templates 整段缺失
E7 缩写区间丢失（本次审计新发现） 1,517 个标记段落 / 44 本：其中 1,292 段（85.2%）无 related 行，其余 225 段带行但 cs 全为乱码值（与 E1 同根） VRI 缩写语法 para292-3（=292-293）旧生成器不识别：多数直接跳过，少数误解析为废值（如 para32-3→11,749、para15-8→44,058）
E8 书边界污染平铺 判据收窄后实测仅 1 段：book 207 / book_id 259 kaṅkhāvitaraṇī 义注 1,499 行 cs 恒 75（见 §9 勘误 2） 换书（book_id 切换）后无标记，旧生成器无限沿用上一个 cs 值
E9 无标记书 16 本（book 8,15,16,25,37,39-42,44,45,47,48,56,61,129）related 有行但 wbw_templates 零标记 VRI 源文件无锚点。其中 book 129（theragāthā-aṭṭhakathā 后半）存在真实注释关系——外部手段已找到：cs6_para.csv 里它有 6,580 非零行，直接回填即可，不需 LLM。其余 15 本 csv 里也是全零，源头就没有
E10 自造名体系 NK（book 1，namakkāra 自注释对）、subo（book 10↔11）、dict（book 21↔9） 非 SC 体系书对的自造 album 名，连接各自 mūla↔注释。架构正确（与 dn1/dn1_A 同构），保留不动；仅其中的乱码/缩写问题随全局规则修复

5. 全库书况初步分析表

判定口径（book 级信号会标注到该文件的全部 sn）：

  • 合格：无任何问题信号
  • 合格（无注释体系）：全书空 book_name（nīti/语法/词典类），不参与注释关系，维持现状
  • 乱码 n 行：存在 cs>5000 的乱码值 → 新导出器自动修复
  • 缩写丢失 n 处：缩写区间标记段落无行 → 新导出器自动修复
  • 章回绕 n 次：cs 重置计数 → 章后缀方案处理（注：含少量合法多轮注释结构 如 NK 的 ṭīkā 两轮注释，处理时用标题层级甄别）
  • 无标记污染：整段无 cs 标记却被写进非零 cs（书边界沿用平铺）→ 导出器输出 cs=0 + LLM 补丁 （注：表内按旧判据「cs 值种类极少」标注的几本实为章回绕误判，见 §9 勘误 2）
  • 全书无标记：wbw_templates 无任何 para 标记但 related 有行 → LLM 补丁或维持现状
  • 无 book_id 行：sn 存在但无任何 book_id 归属行（行均被归入同文件前一册）

注：表内「章回绕 n 次」为 book 级信号（标注到该文件的全部 sn），按本去重合计 366 次 / 58 本， 与 E2 的机械规则 430 个 / 70 本之差来自 12 本乱码书（9、96、107、108、109、116、172、175、 179、190、201、205）——其重置多为乱码值→1 的伪回绕，不计入表，实施时统一以 E2 口径为准。

汇总：合格 69 本；合格（无注释体系）51 本；不合格 160 本；无 book_id 行 2 本（sn 280、281）。

sn book 书名 行数 状况
1 1 namakkārapāḷi 157 章回绕3次
2 1 namakkāraṭīkā 828 章回绕3次
3 2 mahāpaṇāmapāṭha 426 合格（无注释体系，维持现状）
4 2 tigumbacetiya thomanā 51 合格（无注释体系，维持现状）
5 2 vāsamālinīkya 367 合格（无注释体系，维持现状）
6 3 lakkhaṇāto 315 合格（无注释体系，维持现状）
7 4 suttavandanā 596 合格（无注释体系，维持现状）
8 5 jinālaṅkāra 1024 合格（无注释体系，维持现状）
9 6 kamalāñjali 301 合格（无注释体系，维持现状）
10 7 pajjamadhu 525 合格（无注释体系，维持现状）
11 8 buddhaguṇagāthāvalī 2457 全书无标记
12 9 abhidhānappadīpikāṭīkā 3108 乱码31行
13 10 subodhālaṅkāro 1319 合格
14 11 subodhālaṅkāraṭīkā 2937 乱码96行; 缩写丢失2处
15 12 bālāvatāra 846 合格（无注释体系，维持现状）
16 13 moggallānasuttapāṭho 1103 合格（无注释体系，维持现状）
17 13 moggallānabyākaraṇaṃ 2158 合格（无注释体系，维持现状）
18 14 kaccāyanabyākaraṇaṃ 713 合格（无注释体系，维持现状）
19 14 mahākaccāyanasaddāpāṭha 2772 合格（无注释体系，维持现状）
20 15 saddanītippakaraṇaṃ (padamālā) 2979 全书无标记
21 16 saddanītippakaraṇaṃ (dhātumālā) 3400 全书无标记
22 17 padarūpasiddhi 4054 合格（无注释体系，维持现状）
23 18 moggallāna-pañcikā-ṭīkā 1578 合格（无注释体系，维持现状）
24 19 payogasiddhipāḷi 2492 合格（无注释体系，维持现状）
25 20 vuttodayaṃ 317 合格（无注释体系，维持现状）
26 21 abhidhānappadīpikā 3962 章回绕1次
27 22 niruttidīpanīpāṭha 6143 合格（无注释体系，维持现状）
28 23 paramatthadīpanī 1497 合格
29 24 anudīpanīpāṭha 441 合格
30 25 paṭṭhānuddesa dīpanīpāṭha 248 全书无标记
31 26 caturārakkhadīpanī 1959 合格（无注释体系，维持现状）
32 27 kavidappaṇanīti 1346 合格（无注释体系，维持现状）
33 28 nītimañjarī 242 合格（无注释体系，维持现状）
34 29 dhammanīti 1332 合格（无注释体系，维持现状）
35 30 mahārahanīti 1282 合格（无注释体系，维持现状）
36 31 lokanīti 875 合格（无注释体系，维持现状）
37 32 suttantanīti 132 合格（无注释体系，维持现状）
38 32 vasalasutta 133 合格（无注释体系，维持现状）
39 33 sūrassatīnīti 544 合格（无注释体系，维持现状）
40 34 cāṇakyanītipāḷi 551 合格（无注释体系，维持现状）
41 35 naradakkhadīpanī 1846 合格（无注释体系，维持现状）
42 36 rasavāhinī 2456 合格（无注释体系，维持现状）
43 37 sīmavisodhanī 432 全书无标记
44 38 vessantarāgīti 2612 合格（无注释体系，维持现状）
45 39 (saṅgayana-puccha vissajjanā) dī 347 全书无标记
46 40 (saṅgayana-puccha vissajjanā) ma 686 全书无标记
47 41 (saṅgayana-puccha vissajjanā) sa 1254 全书无标记
48 42 (saṅgayana-puccha vissajjanā) aṅ 905 全书无标记
49 43 (saṅgayana-puccha vissajjanā) vi 1553 合格（无注释体系，维持现状）
50 44 (saṅgayana-puccha vissajjanā) ab 295 全书无标记
51 45 (saṅgayana-puccha vissajjanā) aṭ 502 全书无标记
52 46 milidaṭīkā 1240 无标记污染(cs值仅20个/1240行)
53 47 padamañjarī 1640 全书无标记
54 48 padasādhanaṃ 1095 全书无标记
55 49 saddabindu pakaraṇaṃ 83 合格（无注释体系，维持现状）
56 50 kaccāyana dhātu mañjūsā 494 合格（无注释体系，维持现状）
57 51 samantakūṭavaṇṇanā 3057 合格（无注释体系，维持现状）
58 52 moggallāna vuttivivaraṇapañcikā. 1703 合格（无注释体系，维持现状）
59 53 thupavaṃsa 709 合格（无注释体系，维持现状）
60 54 dāṭhāvaṃsa 1642 合格（无注释体系，维持现状）
61 55 dhātupāṭha vilāsiniyā 118 合格（无注释体系，维持现状）
62 56 dhātuvaṃsa 491 全书无标记
63 57 hatthavanagallavihāra vaṃso 364 合格（无注释体系，维持现状）
64 58 jinacaritaya 1649 合格（无注释体系，维持现状）
65 59 jinavaṃsadīpaṃ 9907 合格（无注释体系，维持现状）
66 60 telakaṭāhagāthā 501 合格（无注释体系，维持现状）
67 61 cūḷaganthavaṃsapāḷi 151 全书无标记
68 62 sāsanavaṃsappadīpikā 970 合格（无注释体系，维持现状）
69 63 mahāvaṃsapāḷi 15943 合格（无注释体系，维持现状）
70 64 visuddhimagga 2239 合格
71 65 visuddhimagga 2191 合格
72 66 visuddhimagga-mahāṭīkā 1612 合格
73 67 visuddhimagga-mahāṭīkā 1850 合格
74 68 visuddhimagga nidānakathā 2700 合格（无注释体系，维持现状）
75 69 paṭṭhānapāḷi 4239 章回绕16次
76 70 paṭṭhānapāḷi 6002 章回绕9次
77 71 paṭṭhānapāḷi 8044 章回绕20次
78 72 paṭṭhānapāḷi 5167 章回绕19次
79 73 dhammasaṅgaṇīpāḷi 2434 章回绕2次
80 74 vibhaṅgapāḷi 3425 合格
81 75 dhātukathāpāḷi 671 合格
82 76 puggalapaññattipāḷi 559 章回绕1次
83 77 kathāvatthupāḷi 3458 合格
84 78 yamakapāḷi 4772 章回绕4次
85 79 yamakapāḷi 3857 章回绕2次
86 80 yamakapāḷi 5584 章回绕1次
87 81 paṭṭhānapāḷi 4299 章回绕4次
88 82 dasakanipātapāḷi 3139 合格
89 83 ekādasakanipātapāḷi 1887 合格
90 84 ekakanipātapāḷi 955 合格
91 85 dukanipātapāḷi 483 合格
92 86 tikanipātapāḷi 1936 合格
93 87 catukkanipātapāḷi 3437 合格
94 88 pañcakanipātapāḷi 16264 合格
95 89 chakkanipātapāḷi 2375 合格
96 90 sattakanipātapāḷi 14829 合格
97 91 aṭṭhakanipātapāḷi 2602 合格
98 92 navakanipātapāḷi 1502 合格
99 93 dīghanikāyapāḷi 1072 合格
100 94 dīghanikāyapāḷi 1557 合格
101 95 dīghanikāyapāḷi 1908 合格
102 96 dhammasaṅgaṇī-aṭṭhakathā 3548 乱码3行; 缩写丢失2处
103 97 vibhaṅga-aṭṭhakathā 2420 缩写丢失2处
104 98 dhātukathā-aṭṭhakathā 169 章回绕17次
105 98 puggalapaññatti-aṭṭhakathā 310 章回绕17次
106 98 kathāvatthu-aṭṭhakathā 2713 乱码13行
107 98 yamakappakaraṇa-aṭṭhakathā 9000 乱码26行
108 98 paṭṭhānappakaraṇa-aṭṭhakathā 5394 乱码1行
109 99 manorathapūraṇī 2076 合格
110 100 manorathapūraṇī 518 缩写丢失2处
111 100 manorathapūraṇī 816 缩写丢失2处
112 100 manorathapūraṇī 2402 缩写丢失2处
113 101 manorathapūraṇī 601 章回绕1次
114 101 manorathapūraṇī 343 章回绕1次
115 101 manorathapūraṇī 216 章回绕1次
116 102 manorathapūraṇī 306 章回绕1次
117 102 manorathapūraṇī 174 章回绕1次
118 102 manorathapūraṇī 363 章回绕1次
119 102 manorathapūraṇī 105 章回绕1次
120 103 sumaṅgalavilāsinī 1974 合格
121 104 sumaṅgalavilāsinī 1729 缩写丢失1处
122 105 sumaṅgalavilāsinī 1129 合格
123 106 therīgāthā-aṭṭhakathā 4546 合格
124 107 apadāna-aṭṭhakathā 4094 乱码47行; 缩写丢失22处
125 108 buddhavaṃsa-aṭṭhakathā 4192 乱码80行
126 109 cariyāpiṭaka-aṭṭhakathā 2134 乱码80行; 缩写丢失6处
127 110 jātaka-aṭṭhakathā 3114 合格
128 111 jātaka-aṭṭhakathā 2995 章回绕1次
129 112 jātaka-aṭṭhakathā 4889 章回绕5次
130 113 jātaka-aṭṭhakathā 6020 乱码21行
131 113 jātaka-aṭṭhakathā 1691 章回绕5次
132 114 jātaka-aṭṭhakathā 5079 章回绕4次
133 115 jātaka-aṭṭhakathā 3686 合格
134 116 khuddakapāṭha-aṭṭhakathā 1233 乱码26行
135 117 jātaka-aṭṭhakathā 6461 合格
136 118 mahāniddesa-aṭṭhakathā 1831 合格
137 119 cūḷaniddesa-aṭṭhakathā 763 乱码18行; 缩写丢失1处
138 120 paṭisambhidāmagga-aṭṭhakathā 2716 章回绕3次; 缩写丢失1处
139 121 nettippakaraṇa-aṭṭhakathā 1094 章回绕1次
140 122 dhammapada-aṭṭhakathā 5229 章回绕1次
141 123 udāna-aṭṭhakathā 1686 章回绕1次
142 124 itivuttaka-aṭṭhakathā 1764 乱码7行
143 125 suttanipāta-aṭṭhakathā 2503 乱码1行; 缩写丢失114处
144 126 vimānavatthu-aṭṭhakathā 3971 章回绕1次; 缩写丢失36处
145 127 petavatthu-aṭṭhakathā 3279 章回绕1次; 缩写丢失46处
146 128 theragāthā-aṭṭhakathā 5388 缩写丢失2处
147 129 theragāthā-aṭṭhakathā 6603 全书无标记
148 130 papañcasūdanī 2904 章回绕1次; 缩写丢失2处
149 131 papañcasūdanī 1367 合格
150 132 papañcasūdanī 1103 缩写丢失1处
151 133 sāratthappakāsinī 1478 合格
152 134 sāratthappakāsinī 1226 合格
153 135 sāratthappakāsinī 2848 合格
154 136 sāratthappakāsinī 1860 合格
155 137 sāratthappakāsinī 2838 章回绕5次; 缩写丢失9处
156 138 samantapāsādikā 2803 缩写丢失26处
157 139 samantapāsādikā 1347 缩写丢失32处
158 140 samantapāsādikā 942 乱码6行; 缩写丢失6处
159 141 samantapāsādikā 668 合格
160 142 samantapāsādikā 715 缩写丢失1处
161 143 therāpadānapāḷi 14644 章回绕41次
162 144 therāpadānapāḷi 6531 章回绕17次
163 144 therīapadānapāḷi 4140 章回绕17次
164 145 buddhavaṃsapāḷi 3280 章回绕28次
165 146 cariyāpiṭakapāḷi 1197 章回绕2次
166 147 jātakapāḷi 11526 章回绕5次
167 148 jātakapāḷi 10504 章回绕15次
168 149 mahāniddesapāḷi 2925 合格
169 150 cūḷaniddesapāḷi 2769 章回绕1次
170 151 paṭisambhidāmaggapāḷi 2042 章回绕3次
171 152 milindapañhapāḷi 2491 章回绕22次
172 153 nettippakaraṇapāḷi 1622 章回绕1次
173 154 khuddakapāṭhapāḷi 274 无标记污染(cs值仅19个/274行); 章回绕6次
174 155 peṭakopadesapāḷi 1215 合格
175 156 dhammapadapāḷi 1392 合格
176 157 udānapāḷi 963 合格
177 158 itivuttakapāḷi 1192 合格
178 159 suttanipātapāḷi 4049 合格
179 160 vimānavatthupāḷi 3277 合格
180 161 petavatthupāḷi 2653 合格
181 162 theragāthāpāḷi 4667 合格
182 163 therīgāthāpāḷi 1783 合格
183 164 majjhimanikāyapāḷi 1795 合格
184 165 majjhimanikāyapāḷi 1688 合格
185 166 majjhimanikāyapāḷi 1461 合格
186 167 saṃyuttanikāyapāḷi 3496 合格
187 168 saṃyuttanikāyapāḷi 1425 合格
188 169 saṃyuttanikāyapāḷi 3163 合格
189 170 saṃyuttanikāyapāḷi 2223 合格
190 171 saṃyuttanikāyapāḷi 5898 合格
191 172 mūlaṭīkā 1364 乱码7行; 缩写丢失1处
192 173 mūlaṭīkā 1210 章回绕1次; 缩写丢失7处
193 173 anuṭīkā 1103 章回绕1次; 缩写丢失7处
194 174 mūlaṭīkā 96 章回绕12次; 缩写丢失2处
195 174 mūlaṭīkā 101 乱码1行; 缩写丢失2处
196 174 mūlaṭīkā 1309 乱码8行; 缩写丢失2处
197 174 mūlaṭīkā 6204 乱码29行; 缩写丢失2处
198 174 mūlaṭīkā 3192 乱码1行; 缩写丢失2处
199 175 anuṭīkā 1273 乱码9行
200 176 anuṭīkā 113 章回绕13次
201 176 anuṭīkā 96 乱码1行
202 176 anuṭīkā 1338 乱码8行
203 176 anuṭīkā 6905 乱码33行
204 176 anuṭīkā 3446 乱码1行
205 177 abhidhammāvatāro 4803 合格
206 177 nāmarūpaparicchedo 5822 合格（无注释体系，维持现状）
207 177 paramatthavinicchayo 3645 合格（无注释体系，维持现状）
208 177 saccasaṅkhepo 1228 合格（无注释体系，维持现状）
209 178 abhidhammatthasaṅgaho 873 章回绕17次
210 178 abhidhammatthavibhāvinīṭīkā 964 章回绕17次
211 179 abhidhammāvatāra-purāṇaṭīkā 879 乱码9行; 缩写丢失418处
212 179 abhidhammāvatāra-abhinavaṭīkā 1523 乱码46行; 缩写丢失418处
213 180 abhidhammamātikāpāḷi 1219 合格（无注释体系，维持现状）
214 180 mohavicchedanī 1606 合格（无注释体系，维持现状）
215 181 ekakanipāta-ṭīkā 1449 合格
216 182 dukanipāta-ṭīkā 1028 章回绕3次; 缩写丢失10处
217 182 tikanipāta-ṭīkā 999 章回绕3次; 缩写丢失10处
218 182 catukkanipāta-ṭīkā 1299 章回绕3次; 缩写丢失10处
219 183 pañcakanipāta-ṭīkā 1108 章回绕4次; 缩写丢失10处
220 183 chakkanipāta-ṭīkā 583 章回绕4次; 缩写丢失10处
221 183 sattakanipāta-ṭīkā 401 章回绕4次; 缩写丢失10处
222 184 aṭṭhakanipāta-ṭīkā 2130 章回绕6次; 缩写丢失1处
223 184 navakanipāta-ṭīkā 272 章回绕6次; 缩写丢失1处
224 184 dasakanipāta-ṭīkā 3805 章回绕6次; 缩写丢失1处
225 184 ekādasakanipāta-ṭīkā 147 章回绕6次; 缩写丢失1处
226 185 līnatthappakāsanā 1586 缩写丢失17处
227 186 līnatthappakāsanā 1507 缩写丢失1处
228 187 līnatthappakāsanā 1130 合格
229 188 sādhuvilāsinī 1779 合格
230 189 sādhuvilāsinī 1570 缩写丢失10处
231 190 nettippakaraṇa-ṭīkā 762 乱码1行
232 191 nettivibhāvinī 1668 章回绕1次
233 192 līnatthappakāsanā 2395 章回绕2次; 缩写丢失3处
234 193 līnatthappakāsanā 934 缩写丢失1处
235 194 līnatthappakāsanā 854 缩写丢失1处
236 195 līnatthappakāsanā 1707 章回绕1次
237 196 līnatthappakāsanā 1326 合格
238 197 līnatthappakāsanā 3274 合格
239 198 līnatthappakāsanā 1926 合格
240 199 līnatthappakāsanā 2835 章回绕7次; 缩写丢失7处
241 200 vinayavinicchayo 10174 章回绕1次
242 200 uttaravinicchayo 3106 章回绕1次
243 201 vinayavinicchaya-ṭīkā 3812 乱码450行; 缩写丢失256处
244 201 uttaravinicchaya-ṭīkā 771 乱码2行; 缩写丢失256处
245 202 pācityādiyojanā 2987 章回绕3次; 缩写丢失10处
246 203 khuddasikkhā 1617 章回绕1次; 缩写丢失84处
247 203 khuddasikkhā 630 乱码33行; 缩写丢失84处
248 203 khuddasikkhā 631 乱码35行; 缩写丢失84处
249 203 mūlasikkhā 376 章回绕1次; 缩写丢失84处
250 203 mūlasikkhā 148 乱码13行; 缩写丢失84处
251 204 sāratthadīpanī-ṭīkā 1657 合格
252 205 sāratthadīpanī-ṭīkā 1924 乱码5行; 缩写丢失3处
253 206 sāratthadīpanī-ṭīkā 1008 章回绕3次; 缩写丢失4处
254 206 sāratthadīpanī-ṭīkā 1148 章回绕3次; 缩写丢失4处
255 206 sāratthadīpanī-ṭīkā 447 章回绕3次; 缩写丢失4处
256 206 sāratthadīpanī-ṭīkā 257 章回绕3次; 缩写丢失4处
257 207 pātimokkhapāḷi 521 章回绕12次
258 207 pātimokkhapāḷi 691 章回绕12次
259 207 kaṅkhāvitaraṇī 1499 无标记污染(cs值仅1个/1499行); 章回绕12次
260 208 vinayasaṅgaha-aṭṭhakathā 1671 章回绕1次
261 209 vajirabuddhi-ṭīkā 163 章回绕1次; 缩写丢失85处
262 209 vajirabuddhi-ṭīkā 779 乱码53行; 缩写丢失85处
263 209 vajirabuddhi-ṭīkā 719 乱码9行; 缩写丢失85处
264 209 vajirabuddhi-ṭīkā 486 乱码5行; 缩写丢失85处
265 209 vajirabuddhi-ṭīkā 189 章回绕1次; 缩写丢失85处
266 209 vajirabuddhi-ṭīkā 224 乱码3行; 缩写丢失85处
267 210 vimativinodanī-ṭīkā 1709 乱码6行; 缩写丢失46处
268 210 vimativinodanī-ṭīkā 707 章回绕4次; 缩写丢失46处
269 210 vimativinodanī-ṭīkā 759 乱码18行; 缩写丢失46处
270 210 vimativinodanī-ṭīkā 338 章回绕4次; 缩写丢失46处
271 210 vimativinodanī-ṭīkā 386 章回绕4次; 缩写丢失46处
272 211 vinayālaṅkāra-ṭīkā 2411 章回绕2次; 缩写丢失1处
273 212 kaṅkhāvitaraṇī 669 无标记污染(cs值仅1个/669行)
274 212 kaṅkhāvitaraṇī 1847 无标记污染(cs值仅19个/1847行)
275 213 vinayapitaka 2475 合格
276 214 vinayapitaka 3688 合格
277 215 vinayapitaka 2757 合格
278 216 vinayapitaka 2819 合格
279 217 vinayapitaka 3643 合格
280 139 samantapāsādikā 0 缩写丢失32处
281 214 (VN)Bhikkhunīvibhaṅgo 0 无 book_id 行

6. 解决方案

6.1 总体架构

wbw_templates（唯一数据源，含全部 .ctl. 标记）
   │
   ▼  ①导出器（Artisan command，确定性重放，宁空勿错）
第一版 related_paragraphs + issues.json（补丁工作清单）
   │
   ▼  ②补丁文件（人工/LLM 生成的修正数据，进代码仓库评审）
   │
   ▼  ③更新 command（幂等，--dry-run，按补丁执行 UPDATE）
修复后的 related_paragraphs

关键决策记录：

  • cs6_para.csv 不作生成源：它是现表的来源、含全部历史错误，一切从 wbw_templates 重放。但它并未丢失（github.com/iapt-platform/clove/pali_title/cs6_para.csv，523,283 行）， 已归档为逐段落 diff 基线，并作为 book 129 的唯一回填源（见 §9）
  • 段落全集取 pali_texts 而非 wbw_templates：pali_texts 523,284 段是严格超集， wbw 少的 7,171 段散在 21 本里；wbw 只负责提供标记
  • 维持 VRI 编号方案（章内局部编号），SC 数据不采用（SC 层级树与加后缀方案无本质 区别，且 SC 为 Mahāsaṅgīti 独立校勘本，文本与 VRI 不对齐，无法直接落到 VRI 段落）
  • 回绕处理（分两类）：
    • 镜像型书对（义注/复注 cs 与 mūla 同空间，实测判据见 §4.2）：章界处 book_name 加后缀 （优先用 VRI 标题自带编号如 abhi7_1-1，无编号用章序号 kn14_18）；章界来源为 pali_texts 真实标题（toc 非空；level=100 是正文节点不算标题）。实测回绕点 ±1 段内 命中 86%、±5 段内 96.5%、±30 段内零失配；两侧按同一套后缀对齐。
    • abhidhamma 系不对齐书对（abhi3/4/6/7 等，义注/复注自有编号，跨侧回绕数不一致， 如 abhi7 mūla 64 次 vs 复注 12/13 次）：自动后缀无法保证注释链条对齐，改为 补丁 rename_book 显式加后缀（§6.5），以 mūla←义注←复注链条对齐为约束； 对齐信息优先取 VRI 标题自带编号，不足时由 LLM 辅助判定（§6.4），人工复核。
  • 页码标记：P/M/V/T/O 各 0-5 系列（实测 26 家族 165,907 行）一律忽略，本轮不处理。
  • 无标记书：LLM 为主体做内部段落归属（95% 工作量在章节内部的段落归属划分， 程序无法完成——需要读懂巴利文），标题对齐与校验为辅助
  • 查不到优于查到错的：导出器在无法确定处留空（不输出行）并记 issue， 由补丁填补；不沿用污染值

6.2 导出器处理策略矩阵

标记语法层

段落层

输入 处理
paraN / paraN_book 输出 cs=N，更新书上下文
paraN-M（M 位数≥N） 完整区间，展开 N..M 多行
paraN-M（M 位数N） 缩写区间，前缀补齐展开（para292-3→292,293）
paraN-M_book（缩写+后缀组合，实测 989 行，如 para1008-9_sn5） 先按缩写规则展开 N..M，再以后缀定 book_name
paraN-M-K... 链式首尾法展开 N..tail（para292-3-6→292..296）；实测仅 4 行，旧数据已正确展开（book 189 para 827 → 292-296）
paraN-M（M < N 且位数相同，全库 3 行） 倒序区间＝高位笔误，丢弃右端高位、只用低位重新前缀补齐（para504-407→504-507、para706-608→706-708），并记 issue 人工复核。见 §9 勘误 4
paraN-（M 空，全库仅 1 处：book 11 para 1577） 留空 + issue(truncated_marker)，人工定
解析值超值域保护阈值 拒绝输出 + issue(cs_out_of_range)，防乱码
页码/卷标 P/M/V/T/O × 0-5（实测 26 家族 165,907 行） 忽略，本轮不处理
纯书名标记 dn1、kn10 书上下文事件，不输出行
输入 处理
延续段（同书内有前一标记） 沿用；区间沿用则整区间展开（含巨区间 844 行场景）
书边界（book_id 切换）后的无标记段 输出 cs=0 + issue(segment_without_markers) ⭐ 防污染核心规则。实测不能整段不输出：这些段落多是 cs=0 占位行（E4 的无注释体系书、义注序言、书前页），删掉会白丢 20,433 段覆盖，而 index() 取锚点要求 cs_para > 0，cs=0 行不产生任何配对
文件开头段（para 1-2） cs=0、book_id=0（维持现状语义）
wbw_templates 整段无行 自然无输出 + issue(missing_wbw)

书上下文层

输入 处理
paraN_book 后缀 book_name = 后缀
无后缀标记 继承当前 book_name；文件开头继承不到 → 留空 + issue
{book}_{0} 进入 {book}_A 序言模式（重现 dn1_A 正确先例）
{book}_{N>0} 退出序言模式；章切换事件，触发章后缀上下文。不产生 cs 值——mūla 与义注文件同形同义，见 §9 勘误 3
序言段内出现 paraN_{mula} 后缀 只赋 cs、不夺名，book_name 保持 {book}_A。序言里带这种标记是正常体例（book 130 的 mn1_0 序言内就有 para1_mn1），序言只由 {book}_{N>0} 结束
NK/subo/dict 等自造名 由书级配置表提供（保兼容，不重新发明）；books 107/143/144 的 kn10 家族导出名同样由书级配置表决定（补丁 old 值必须与之匹配，见 §6.5）

文件类型（义注 vs mūla）用 tag（aṭṭhakathā/ṭīkā vs mūla/pāḷi）消解 {name}_{N} 的同形歧义。

章回绕层

输入 处理
cs 回 1 且附近有 para1 标记 章回绕：以回绕点为原点在 ±N 段窗口内找最近真实标题（toc 非空；level=100 的正文节点不算标题）定章界，输出加后缀的 book_name。实测 ±1 段内命中 86%、±5 段内 96.5%、±30 段内零失配；窗口大小、层级阈值、多候选取法在导出器内定死
镜像型书对 两侧用同一套后缀（§6.1），出口断言：同名章两侧 max(cs_para) 一致
abhidhamma 系不对齐书对 自动后缀不保证链条对齐，改为补丁 rename_book 显式加后缀，链条对齐优先
回绕点偏移超窗口（实测仅 5 处，偏移 8-30 段） 留空 + issue(wrap_unmatched_title)，补丁人工定
cs 小幅回退（不回到 1） 原样输出（回指补充，合法），低优先级 issue 仅统计

book_id 层：按 book_titles 现行逻辑匹配（book+paragraph ≥ level=1 段落）重跑； sn 280/281 的归错（book 139 para≥925、book 214 para≥2162 整段归入前册）随重跑修复； book 189 已完成回填（仅 2 行书前页为 0）。book_titles sn=230 的 title 错误另开小补丁。

6.3 导出器输出物

  1. 第一版 related_paragraphs 数据（含章后缀、区间展开、留空处无行）
  2. issues.json：{ type, book, para_from, para_to, detail, suggested_action }， 按类型汇总即为补丁工作清单
  3. 导出报告：验收断言结果 + 与现库 diff 摘要

验收断言（任一失败则导出失败）：

  • 区间标记展开行数 == m_end − n + 1（全量）
  • 无 cs 超值域行（乱码绝迹）
  • 缩写区间零丢失
  • 每个 (book_id, book_name) 内 para 连续性断开处（排除 cs=0 书前页）恰好与 issue 一一对应
  • 跨侧对齐：镜像型书对同名章两侧 max(cs_para) 一致（实测 dn1 559=559、kn6 1289=1289、 kn9 524=524、abhi5 918=918）；abhidhamma 系书对在补丁后缀后人工抽检链条

6.4 LLM 修复无标记书（kaṅkhāvitaraṇī 系等）

适用：E8 污染区 + E9 无标记书（kaṅkhāvitaraṇī 义注及两本 ṭīkā 约 3,200 段、 abhi ṭīkā、vin yojanā 系等，合计约 15,000-20,000 段），以及 abhidhamma 系 补丁后缀的对齐辅助判定（§6.1）。

LLM 使用原则（规则优先，合理使用）：LLM 只承担需要读懂巴利文的语义判定—— E8/E9 的段落归属与 abhi 系跨侧章界对齐；凡可由标记、标题层级、引用锚、单调性 规则程序判定的，一律不进 LLM。规模估算：40-90 段/次调用 → 全量约 250-500 次 调用，双模型独立跑翻倍；成本与时长按此量级排期，试点先行。

流程（LLM 为主体，承担 95% 的章节内部段落归属；规则只做校验）：

  1. 输入构造（程序）：每个条款区间一次调用——区间全文（40-90 段）、mūla 对应 条款文本与相邻条款开头、已判定的前一区间尾部、内引用锚点 （ṭīkā 自带 (pārā. aṭṭha. 1.52) 型引用可程序化提取，作交叉验证）
  2. LLM 逐段输出归属 + 依据类型（自指语句/要件语义/引文匹配/引用锚/区间闭合）
    • 置信度；显式标出属于前后条款的边界段
  3. 校验（规则）：cs 单调性、引用锚一致性、条款覆盖率；双模型独立跑， 分歧段与低置信段进人工清单
  4. 产出写入补丁 manual_map 区

实测依据（已用真实数据验证可行性）： 义注条款 1 尾部的自指语句（"...terasa nāmāni labhanti paṭhamapārājika"）、 制戒因缘（"idaṃ vesāliyaṃ sudinnattheraṃ ārabbha...paññattaṃ"）、 ṭīkā 的要件分析段落，均可由 LLM 可靠归属；标题结构三层同名对齐已实测复核： 1. Paṭhamapārājikavaṇṇanā～4. Catutthapārājikavaṇṇanā 在义注 （book 207 para 1299+）与两本 ṭīkā（book 212 para 41+ / 833+）字符串级一致。

注意：pātimokkha（vin6）自身也是规则组内局部编号（pārājika 1-4 后 saṅghādisesa 从 1 重计），修复时按组加后缀（vin6_pr1 型），与全局章后缀方案统一。

6.5 补丁文件格式

{
  "rename_book": [            // 章后缀 + kn10 家族改名；old 必须与导出器输出一致
    { "book": 143, "para_from": 2052, "para_to": 2510,
      "old": "kn10", "new": "kn10_2" },              // books 107/143/144 的导出名由书级配置表决定
    { "book": 71, "para_from": 415, "para_to": 1723, // abhidhamma 系：链条对齐约束下显式加后缀
      "old": "abhi7", "new": "abhi7_1",
      "source": "llm", "confidence": 0.93 }          // 对齐信息不足时由 LLM 辅助判定，人工复核
  ],
  "fix_cs": [                 // 乱码/区间修正（导出器已自动修的不再进补丁）
    { "book": 98, "para_from": 573, "para_to": 576,
      "old_cs": 44022, "new_cs": [7,8,9,10], "reason": "para7-10" }
      // new_cs 与 [para_from..para_to] 逐段一一对应，长度必须等于段数
  ],
  "manual_map": [             // LLM/人工区：区间整体赋值
    { "book": 207, "para_from": 1215, "para_to": 1240,
      "book_name": "vin6_pr1", "cs_para": 1, "source": "llm", "confidence": 0.97 }
  ]
  // book_id 不进补丁，更新 command 内置按 book_titles.sn 回填（顺带修复 sn 280/281 归错）
}

6.6 实施顺序

  1. 导出器 command + 书级配置表 → 跑 book=136（区间正常）、book=98（缩写丢失+乱码）、 book=207（书边界污染）三本样例验货
  2. 全量导出 + issues 清单 + diff 报告（含行数净变化，区间展开会显著增行）
  3. 跨侧对齐清单（程序自动）：镜像型书对做 max(cs_para) 交叉比对，不等者即 abhidhamma 系错位书对，生成补丁后缀工作清单
  4. 规则性补丁（镜像型章后缀、abhidhamma 系对齐后缀、kn10 改名、book_titles 修正）评审
  5. LLM 流水线：先跑 abhidhamma 系对齐辅助判定 + kaṅkhāvitaraṇī 三本试点 → 人工抽检 30 区间（验收 >98%）→ 推广到 E8/E9 全量
  6. 更新 command 执行补丁（--dry-run 先行）
  7. 消费方适配：主查询 (book, para) 锚点对后缀透明（无需改）；BookTitleController 输出需 剥后缀/映射书名；UpgradeSystemCommentary 以 book_name|cs_para 为游标键，需制定既有 AI 注释键的迁移或重跑方案；无锚点段落从约 2.6% 扩展为"留空区"（原为错误值）

6.7 明确不修 / 维持现状

  • 空 book_name 的 51 本无注释体系书（E4）
  • 回指补充型 cs 回退（合法结构）
  • NK/subo/dict 自造名不改名（仅修其中乱码/缩写）
  • book 1-2 每本前 1-3 段的 book_id=0（书前页语义正确）
  • 页码/卷标标记体系（P/M/V/T/O 各系列，本轮不处理，导出时一律忽略）
  • 裸数字型 4(style=paranum) 标记（当前库 0 行，无处理对象）

8. 实测复核记录（2026-03，库 visuddhinanda_20260311）

复核方式：对 §4.3 每个问题与 §6 每个关键假设直接 SQL 实测；与原数字有出入的均已回写 正文，此处只列要点。

  • 精确复核：E1 1,242 行 / 24 本；E4 112,965 行；E5 book_id=0 共 354 行 / 201 本； E6 缺口 3,466 段；E8 按 sn 粒度精确（sn259 恒 cs=75 ×1,499、sn273 恒 cs=0 ×669、 sn274 恰 19 个值）；E9 的 16 本无标记书清单逐本一致；E10 自造名逐一确认。
  • E2 回绕点 430 个与机械规则一致（本数 70；§5 表内口径为 58 本 / 366 次，见 §5 注）。
  • E7 缩写标记实测 1,517 段 / 44 本（原写 1,358 / 42），其中 1,292 段无行、225 段 带行但 cs 全为乱码——与 E1 同根（para32-3→11,749、para15-8→44,058）。
  • book 189 的 book_id 已回填（1,570 行 =230，仅 2 行书前页为 0），E5 描述已按现状更新。
  • 章界假设：430 个回绕点到最近真实标题（toc 非空）±1 段 86%、±5 段 96.5%、 ±30 段内零失配；41% 回绕点落在 level=100 空 toc 正文节点上，标题在邻段。
  • 镜像机制：dn1 559=559、kn6 1289=1289、kn9 524=524、abhi5 918=918（两侧 max cs 相等）， 证明义注段标记即被注书段落号；abhi3/4/6/7 系两侧不等（含跨书污染 456/918 沿用）， 走补丁后缀路径。
  • LLM 锚点：1. Paṭhamapārājikavaṇṇanā～4. Catutthapārājikavaṇṇanā 三层同名 字符串级一致（book 207 para 1299+、book 212 para 41+/833+）。
  • 标记词表：缩写+后缀组合 para1008-9_sn5 型 989 行；链式标记 4 行（旧数据已正确 展开）；截断 para179- 仅 book 11 para 1577 一处；页码标记 26 家族 165,907 行 （本轮忽略）；纯书名标记 93 行（书上下文事件）；巨区间 para308-1151 现为 844 行。
  • 基础环境：本地 storage/resources/pali_title 目录缺失，但 csv 在 clove 仓库里（见 §9）； 281 个 sn 与 book_titles 一致；tags 的 8 个类型名齐备，文件类型消歧可用； 新导出器 command 尚未实现，本文档仍处于待实施状态。

9. 实施复核勘误与新发现（2026-09-09，第一批实施）

工具链落地于 api-v13/scripts/related/，第一版数据在影子表 related_paragraphs_v1 （638,076 行），生产表已备份为 related_paragraphs_bak_20260909 且未改动。 以下是实施中与本文档原判断不符、或本文档未记录的事实，正文相应处已就地改正。

勘误 1：cs6_para.csv 并未丢失

在 github.com/iapt-platform/clove/pali_title/cs6_para.csv，523,283 行，可直接取得。 本地 storage/resources/pali_title 目录确实缺失，§8 据此推断"文件已不存在"是过头了。

它仍不能当生成源——它是现表的来源，含全部历史错误（462580 废值、kn10_A/kn10_B 错名一个不少）。但两个用途不可替代：

  • 逐段落 diff 基线：它每行一个段落带 begin,end，正是重放结果的天然对照
  • book 129 的唯一回填源：逐本比对「csv 非零行 vs wbw 标记数」，全库只有 book 129 是"csv 有 6,580 非零行、wbw 零标记"。E9 其余 15 本 csv 里也是全零，源头就没有。 也就是说这本不需要 LLM，直接回填即可

另：para504-407 丢段的完整链路查清了——csv 里原样写着 begin=504,end=407， 旧 Laravel 命令的 for ($i = $begin; $i <= $end; $i++) 一圈没进。丢段发生在导入 环节的静默空转，不在生成环节。

勘误 2：E8 判据过宽，真污染只有 1 段

按"cs 值种类极少但行数巨大"判会把章回绕误报成污染：book 152 有 516 个 cs 标记却 只有 24 个不同 cs 值，那是 22 次回绕造成的，不是平铺。

污染的准确签名是「整段一个 cs 标记都没有，却被写进了非零 cs」——那个值只能是从上一本 沿用下来的。按此判，全库只有 book 207 / book_id 259 kaṅkhāvitaraṇī 一段，1,499 行 恒 cs=75。原列的其余几组：

  • book 212/273（669 行）、book 180/213（1,219 行）、book 209/261（163 行）cs 恒为 0 ——0 是"未赋值"不是编造值，不算污染
  • book 152/46/116/154/204 是章回绕（E2），归 E2 处理

勘误 3：{name}_{N} 是章标记，mūla 与义注文件同形同义

§2 原写"义注文件 dn1_0 / dn1_1 是 {mula}_{cs}，义注段挂 mūla 名下"。实测不是：

  • book 93（mūla）有 dn1_1..dn1_13，book 103（义注）有 dn1_0..dn1_13，形态与语义都相同， 都是章界，都不产生 cs 值
  • book 103 para 1460 的 dn1_12 并没有让该段 cs=12——该段 cs=499，来自 para 标记

义注段挂 mūla 名下靠的是 paraN_{mula} 后缀（如 para4_dn1），不是章标记。 唯一特殊的是 _0：它表示义注序言（Ganthārambhakathā），进入 {book}_A 模式。

配套的两条实测语义：

  • 序言由 {book}_{N>0} 结束，不由 cs 标记结束。book 103 的 dn1_A 止于 dn1_1@199， 与旧表的 198/199 分界严丝合缝
  • 序言段内出现 paraN_{mula} 是正常体例。book 130 的 mn1_0 序言（paras 5-46）里就有 para1_mn1@40，book 192 更有一长串。这些后缀只赋 cs、不夺名，段落仍归 {book}_A

勘误 4：两类本文档未记录的标记形态

全库 330,267 个锚点（type='.ctl.' and style='#a#'）经解析器 100% 归类、零 unknown： page 167,647 / single 156,919 / interval 4,604 / chapter 1,003 / book_tag 93 / truncated 1。 其中两类原文档没有：

  • 倒序区间 3 行：para504-407（book 103 para 1464）、para706-608（book 176 para 753）。 是高位笔误，低位正确：前者前邻 502-503、后邻 508，真值 504–507；后者前邻 703-705、 后邻 709，真值 706–708。规则是丢弃右端高位、只用低位重新前缀补齐
  • 多级章标记 247 行 / 13 本：an5_1_1 型。义注书 100-102 与 mūla 书 82-92 共用同一套 编号，这是 §6.1 跨侧章界对齐现成的抓手，做章后缀时应优先用它而非推标题

新发现 5：段落全集是 pali_texts 不是 wbw_templates

pali_texts 523,284 段是严格超集（正是 csv 的行数），wbw_templates 只有 516,113 段， 少的 7,171 段散在 21 本里。按 wbw 取段落全集会白丢这些段落的行。wbw 只负责提供标记。

新发现 6：两处书名归属错误

  • book 107（apadāna-aṭṭhakathā）整本属 kn10。旧表切成 kn10_A(para 3-2141) + kn10_B(2142-3875) 并称后者对应 therī——标题证伪：para 2146 的标题是 (Dutiyo bhāgo) Therāpadānaṃ，那是 therāpadāna 的第二卷；全书只有一个 level-1 标题「Apadāna-aṭṭhakathā」，vagga 编到 56（Yasavaggo）也正是 therāpadāna 的范围， 书内无任何 therī 标题。therīapadāna 另在 book 144 para 6534 起。已记入 book_config.json 的 overrides
  • book 177 内含四部书：abhidhammāvatāro（sn 205）、nāmarūpaparicchedo（206）、 paramatthavinicchayo（207）、saccasaṅkhepo（208）。只有第一部是 abhi8， 后三部本就没有 SC 书名。生成书级配置表时若过滤掉空书名，abhi8 会越过书界铺满 整个文件，把 10,695 行错配进 abhi8 的注释链——空书名必须同样成段

新发现 7：book 143/144 的 kn10 错名靠 wbw 自动修复

E3 原以为需要人工改名。实测 wbw 里 book 143 有 kn10@3、book 144 有 kn10@3 与 kn11@6532，书界写得清清楚楚，按 wbw 重放即自动归位。需人工的只有没有 book_tag 的 book 107（见新发现 6）。

第一批成绩

探测器 旧表 v1
E1 cs 乱码 1,242 行 0
E3 kn10 0 行 25,506 行（kn10_A/B 清零）
E6 覆盖缺口 3,464 段 1 段（仅 book 11 那个截断标记）
E7 缩写区间丢失 1,292 段无行 + 225 段废值 0 + 0
E8 污染平铺 1,499 行 0
区间展开不符 1,611 0
镜像判据 559/1289/524/918 保持
零错误信号的书 128 本 148 本

与旧表逐段落 91.8% 相同（480,290 / 523,284 段）。差异全部归因： only_in_old 1 段（截断标记）、only_in_new 3,466 段（区间展开补回，与旧表覆盖缺口 数吻合）、cs_changed 10,371 段（8,600 归零防污染 + 528 新赋值 + 1,290 两侧都非零而 边界不同）、name_changed 29,156 段（29,146 是 kn10 家族修复，余 10 段是各文件 book_tag 所在段本身）。

那 1,290 段是唯一需要人工判断的部分（占全库 0.25%）。已抽查 book 110 para 993-999： 旧表把 cs=5 的边界提前了 7 段，而该区间内除页码外无任何标记，para5 标记在 para 1000， 新值（延续 cs=4 至 999）有据、旧值无据。

遗留

  1. E2 章回绕 677 处未处理（本批不做，先让确定性规则跑干净）
  2. book 129 的 6,605 段现为 cs=0 占位，待用 csv 回填
  3. 20 段 segment_without_markers 已输出 cs=0 占位，待 LLM 归属
  4. book 11 para 1577 的 para179- 截断标记待人工定
  5. 上述 1,290 段边界差异待抽样复核